近年、ドキュメントレベルの関係抽出は注目を集めている。これは通常、文書内のすべてのエンティティペアに対して関係を予測する分類問題として定式化される。しかし、従来の手法は文内関係と文間関係を同じように表現しており、それらを予測する際の異なるパターンが混同されている。また、文書グラフを構築し、エンティティ間のパスを論理的推論の手がかりとして利用するが、すべてのエンティティペアがグラフ上でパスで結ばれるわけではない上、正しい論理的推論経路が存在するとは限らない。その結果、多くの論理的推論のケースがカバーされないという問題がある。本稿では、文内関係と文間関係を異なる方法で表現する効果的なアーキテクチャ「SIRE」を提案する。さらに、より多くの論理的推論チェーンをカバーできる、新しく明確な論理推論モジュールを設計した。公開データセットにおける実験の結果、SIREは従来の最先端手法を上回る性能を示した。さらに、詳細な分析により、本手法の予測が信頼性があり、説明可能であることが示された。本研究のコードは、https://github.com/DreamInvoker/SIRE で公開されている。